2.2 Klassische Testtheorie

Transkript

1 2.2 Klassische Testtheorie iel: Finde Test zum Niveau mit optimaler Güte (Power) für 2 1. Dabei ist n finit Problemstellung Sei der Parameterraum; die Hypothesen seien H 0 : 2 0 vs. H 1 : 2 1, mit 0 \ 1 = ;, d.h. 0 und 1 sind disjunkt. Möglicherweise, jedoch nicht notwendigerweise, gilt 0 [ 1 =. Eine Nullhypothese heißt einfach, wenn sie aus einem einzelnen Element aus besteht, d.h. 0 = { 0 }. Ansonsten spricht man von zusammengesetzten Hypothesen. Dabei ist Folgendes zu beachten: Etliche Nullhypothesen sind scheinbar einfach, aber tatsächlich zusammengesetzt. Dies ist häufig dann der Fall, wenn Nuisanceparameter auftauchen. Beispiel: Seien X 1,...,X n N(µ, 2 )mitµ und 2 unbekannt. Die Nullhypothese H 0 : µ = 0 ist eine zusammengesetzte Hypothese, da ={(µ, 2 ): 1 <µapple1, 0 < 2 < 1} und Ergebnisse/Aktionen: 0 = {(µ, A 0 : A 1 : 2 ):µ =0, 0 < 2 < 1}. H 0 wird nicht abgelehnt H 0 wird abgelehnt Test zum Niveau : P (A 1 ) apple, für alle 2 0 Testfunktionen (vgl. Abschnitt 1.2.1): Tests werden oft folgendermaßen formuliert: Wähle eine Teststatistik T (X), eine Stichprobe X und einen kritischen Bereich C. Dann lautet der Test 1, falls T (x) 2 C (H (x) = 0 ablehnen), 0, falls T (x) /2 C (H 0 nicht ablehnen). (x) 2{0, 1} er- Für die Testtheorie dieses Abschnitts werden solche Testfunktionen weitert zu randomisierten Testfunktionen (x) 2 [0, 1]: 1. Für gegebene Daten X = x ist (x) 2 [0, 1]. 2. iehe eine (davon unabhängige) Bernoullivariable W Bin(1, (x)). 3. Lehne H 0 genau dann ab, wenn W = 1. 44

2 Interpretation: (x) ist die Wahrscheinlichkeit für die Ablehnung von H 0 gegeben die Beobachtung X = x. Im Spezialfall (x) 2{0, 1} reduziert sich ein randomisierter Test auf einen üblichen, nicht randomisierten Test. Randomisierte Tests sind (für die Theorie) vor allem bei diskreten Teststatistiken relevant. Beispiel 2.21 (Randomisierter Binomialtest). Sei X Bin(10, ) und H 0 : apple 1 2, H 1 : > 1 2. Test: H 0 ablehnen, X k, wobei k so, dass Es ist P (X k ) apple für = ,k = 10 >< ,k =9 P 0.5 (X k) = ,k =... Für =0.05 würde die Wahl k =wegen > 0.05 nicht möglich sein. Wählt man aber k =9, so schöpft man =0.05 bei weitem nicht aus, d.h. der Test ist sehr konservativ. Die Lösung ist ein randomisierter Test >< 1, x2{9, 10} (x) = 67/75,x= 0,xapple 7, d.h. ziehe bei x = eine bernoulliverteilte ufallsvariable mit Wahrscheinlichkeit 67/75. Wird 1 realisiert, so wird H 0 abgelehnt. Die Randomisierung ist ein künstlicher Vorgang, um das Signifikanzniveau auszuschöpfen, d.h. P (A 1 )= für dasjenige auf dem Rand zwischen 0 und 1 zu erreichen. Ein randomisierter Test besitzt in der Regel folgende Struktur: >< 1,x2 B 1 (x) = (x),x2 B 10 0,x2 B 0. Der Stichprobenraum wird also in drei Teile zerlegt: B 1 strikter Ablehnungsbereich von H 0,d.h.x 2 B 1 ) Aktion A 1. B 0 strikter Annahmebereich, d.h.x 2 B 0 ) Aktion A 0. B 10 Randomisierungsbereich, d.h.x 2 B 10 führt mit Wahrscheinlichkeit (x) zur Ablehnung und mit Wahrscheinlichkeit 1 (x) zur Annahme von H 0. B 10 kann als Indi erenzbereich interpretiert werden. 45

3 In der Regel wird ein Test mit einer Teststatistik T = T (X) formuliert. Dann haben randomisierte Tests oft die Form: >< 1, T(x) >c (x) =, T(x) =c 0, T(x) <c. Falls T (X) eine stetige ufallsvariable ist, gilt P(T (X) =c) = 0, d.h. für stetige T reduziert sich (x) zu ( 1, T(x) c (x) = 0, T(x) <c. Bei diskreten Teststatistiken T wie beim exakten Binomialtest ist gewöhnlich > 0, da P(T (X) =c) > 0. Der Wert c ist an der Entscheidungsgrenze zwischen A 1 und A 0. Dass man die Entscheidung durch eine zufällige Prozedur herbeiführt, stößt in der Praxis auf Bedenken. Die (frequentistische) Theorie zeigt, dass die Priori-Wahrscheinlichkeit P (A 1 )= P(A 1 x) f(x )dx = E X {z } {z } [ (X)], 2 1 (x) dp bei Randomisierung maximiert werden kann ( (x) ist die bedingte Wahrscheinlichkeit, a posteriori, d.h. bei gegebener Stichprobe, für A 1 zu entscheiden). Maximal bezieht sich auf durchschnittliche Optimalität des Tests bei wiederholter Durchführung. Subjektive Sichtweise: Man wird bei T (x) =c bzw. x 2 B 10 eher noch keine Entscheidung tre en ( Indi erenzbereich ). Für n! 1 geht (in der Regel) P(T (X) =c) gegen 0, d.h. für großes n wird der Randomisierungsbereich B 10 immer kleiner. Idee: Bei T (x) =c zusätzliche Daten erheben. Güte, Gütefunktion (power, power function) Bei einer Testentscheidung gibt es folgende Möglichkeiten: A 0 : H 0 beibehalten A 1 : H 1 ist signifikant H 0 tri t zu richtige Aussage Fehler 1. Art H 1 tri t zu Fehler 2. Art richtige Aussage Es ist (x) =P(A 1 x) die bedingte Wahrscheinlichkeit für A 1 gegeben die Stichprobe x. Ist P (A 1 ) die unbedingte Wahrscheinlichkeit / Priori-Wahrscheinlichkeit, dann gilt (wie oben) P (A 1 )= P(A 1 x)f(x ) dx = (x)f(x ) dx = E [ (X)] und somit auch P (A 0 )=E (1 (X)) für 2. X 46

4 Definition 2.31 (Gütefunktion eines Tests ). 1. Die Abbildung g ( ) =E [ (X)] = P (A 1 ), 2, heißt Gütefunktion des Tests. g ( ) =P (A 1 ) Wahrscheinlichkeit für Fehler 1. Art, g ( ) =P (A 0 ) Wahrscheinlichkeit für Fehler 2. Art, 2 1 Außerdem: 2. Die Größe g ( ) =P (A 1 ) Macht (power) des Tests, 2 1 ( )= sup 2 0 P (A 1 )= sup 2 0 g ( ) heißt (tatsächliches) Niveau (level, size) von für den Fehler 1. Art. und ist die supremale Wahrscheinlichkeit ( )= sup 2 1 P (A 0 )=1 inf g ( ) 2 1 ist die supremale Wahrscheinlichkeit für den Fehler 2. Art. Bei den üblichen Tests (zum Beispiel beim einseitigen Gauß-Test) gilt wegen der Monotonie und Stetigkeit von g ( ) d.h. ( ) kann nur auf Kosten von Allgemein gilt dagegen nur ( )+ ( )=1, ( ) klein gehalten werden (und umgekehrt). ( )+ ( ) apple 1 (bei unverfälschten Tests, siehe Definition 2.37). Programm der klassischen Testtheorie: Maximiere unter Beschränkung g ( ) apple für alle 2 0 bei fest vorgegebenem >0dieGütefür 2 1,d.h. g ( ) max e g e( ) für 2 1 bei konkurrierenden Tests e. H 0 und H 1 werden also unsymmetrisch betrachtet. Wegen der Beziehung ( ) + ausgeschöpft werden, d.h. gelten. Bei ( ) < wird automatisch ( ) = 1 muss dabei das vorgegebene Signifikanzniveau ( )= ( )=1 inf 2 1 g ( ) für 2 1 größer als notwendig, d.h. die Güte des Tests schlechter. 47

5 Folgende Problemstellungen werden nach diesem Konzept betrachtet: 1. Einfaches H 0 vs. einfaches H 1 : Neyman-Pearson-Theorem zeigt, wie bester Test zu konstruieren ist. 2. Einfaches H 0 vs. zusammengesetztes H 1 : Basierend auf dem Neyman-Pearson- Theorem kann für bestimmte Fälle ein gleichmäßig bester Test (UMP, uniformly most powerful test) konstruiert werden. In anderen Fällen existiert zumindest ohne weitere Restriktionen kein UMP-Test. 3. usammengesetztes H 0 vs. zusammengesetztes H 1 : Suche nach einem UMP-Test ist noch schwieriger Satz von Neyman-Pearson Problemstellung: Einfache Nullhypothese vs. einfache Alternativhypothese, also H 0 : = 0, vs. H 1 : = 1 mit 0 6= 1.Seif 0 (x) =f(x 0 ),f 1 (x) =f(x 1 ). Dann heißt (x) = f 1(x) f 0 (x) Likelihood-Quotient. Ein (bester) Test hat nach Neyman-Pearson die Form: H 0 ablehnen, (x) >k mit k so gewählt, dass der Test das Niveau einhält. Aber: Falls (x) diskret ist, gibt es ein theoretisches Problem. Dies führt zu Definition 2.32 (Randomisierter LQ-Test). Ein Test (x) heißt randomisierter Likelihood- Quotienten-Test, kurz LQ-Test (likelihood ratio test, LRT) def, (x) hat die Struktur >< 1,f 1 (x) >kf 0 (x), (x) >k (x) = (x),f 1 (x) =kf 0 (x), (x) =k 0,f 1 (x) <kf 0 (x), (x) <k mit Konstante k>0 und 0 < (x) < 1. Falls (X) stetig ist, gilt P ( (X) =k) =0. Dann reicht ein nicht-randomisierter Test ( 1, f 1 (x) >kf 0 (x), (x) >k (x) = 0, sonst. Satz 2.33 (Neyman-Pearson, Fundamentallemma). 1. Optimalität: Für jedes k und (x) hat der Test maximale Macht unter allen Tests, deren Niveau höchstens gleich dem Niveau von ist. 2. Existenz: u vorgegebenem 2 (0, 1) existieren Konstanten k und, so dass der LQ-Test mit diesem k und (x) = für alle x exakt das Niveau besitzt. 4

6 3. Eindeutigkeit: Falls ein Test mit Niveau maximale Macht (= kleinsten Fehler 2. Art) unter allen anderen Tests mit Niveau besitzt, dann ist ein LQ-Test (eventuell mit Ausnahme einer Nullmenge X 0 X von Stichproben x, d.h.p 0 (X 0 )=P 1 (X 0 )=0). Beweis. 1. Sei ein Test mit und E 0 [ (X)] apple E 0 [ U(x) =( (x) (x))(f 1 (x) kf 0 (x)). (X)] (2.2) Für f 1 (x) kf 0 (x) > 0 ist (x) = 1, also U(x) 0. Für f 1 (x) kf 0 (x) < 0 ist (x) = 0, also U(x) 0. Für f 1 (x) kf 0 (x) =0 ist U(x) = 0. Also: U(x) 0 für alle x. Somit: 0 apple U(x)dx = ( (x) (x))(f 1 (x) kf 0 (x)) dx = (x)f 1 (x) dx (x)f 1 (x) dx + k (x)f 0 (x) dx (x)f 0 (x) dx = E 1 [ (X)] E 1 [ (X)] + k(e 0 [ (X)] E 0 [ {z (X)]) } apple0 wegen(2.2) ) E 1 [ (X)] E 1 [ (X)], d.h. die Macht von ist größer als die Macht von. 2. Die Verteilungsfunktion G(k) =P 0 ( (x) apple k) ist monoton steigend in k. Sieistferner rechtsstetig, d.h. G(k) =lim y#k G(y) für alle k. Betrachtet man die Gleichung G(k )=1 und versucht diese bezüglich k zu lösen, so gibt es zwei Möglichkeiten: (i) Entweder ein solches k existiert, (ii) oder die Gleichung kann nicht exakt gelöst werden, aber es existiert ein k, so dass G (k )=P 0 ( (X) <k ) apple 1 <G(k ) (das entspricht der Niveaubedingung ). Im ersten Fall setzt man = 0, im zweiten = G(k ) (1 ) G(k ) G (k ). 49

7 In diesem Fall hat der Test genau das Niveau, wie behauptet, denn: f1 (X) E 0 [ (X)] = P 0 f 0 (X) >k + G(k ) 1+ G(k ) G (k ) P f1 (X) 0 f 0 (X) = k = (1 G(k )) + G(k ) 1+ G(k ) G (k ) (G(k ) G (k )) =. 3. u gegebenem sei der nach 2. existierende LQ-Test definiert durch eine Konstante k und eine Funktion (x). Man nehme an, ist ein anderer Test mit gleichem Niveau und der gleichen (nach 1. maximalen) Macht wie. Definiert man U(x) wie in 1., dann ist U(x) 0 für alle x und R U(x) dx = 0, da E 1 [ (X)] E 1 [ (X)] = 0 und E 0 [ (X)] E 0 [ (X)] = 0 nach Annahme. Daraus, dass U nicht-negativ mit Integral 0 ist, folgt, dass U(x) = 0 für fast alle x. Dies wiederum bedeutet, dass (x) = (x) oder f 1 (x) =kf 0 (x), d.h. (x) ist ein LQ-Test (für fast alle x). Bemerkung. Für einfache Hypothesen H 0 und H 1 sind klassische Testtheorie und Likelihood- Quotienten-Test noch identisch. Für zusammengesetzte Hypothesen (der Praxisfall) trennen sich die Konzepte: Klassische Testtheorie sucht weiter nach optimalen Tests (für finite Stichproben). Likelihoodbasierte Tests verallgemeinern (x) bzw. sind quadratische Approximationen von (x), deren Verteilungsfunktion (unter H 0 ) nur asymptotisch (n!1) gilt. Beispiel 2.22 (Binomialtest). Betrachte H 0 : = 0 vs. H 1 : = 1 mit 0 < 0 < 1 < 1. Die Dichte (Wahrscheinlichkeitsfunktion) der i.i.d. Stichprobe X =(X 1,...,X n ) > lautet nx f(x ) = z (1 ) n z mit z = x i, der Likelihood-Quotient (x) = z 1 (1 1) n z z 0 (1 0) n z = n i=1 1 (1 0 ) z := (z). 0 (1 1 ) Da (x) = (z) streng monoton in z ist, lässt sich (z) > k äquivalent umformen in z > 1 (k) =:c. Der Likelihood-Quotienten-Test mit kritischer ahl k und (konstanter) Randomisierung hat dann die Form >< 1, = (x) >c (x) =, = (x) =c 0, = (x) <c mit der Teststatistik. Dabei können wir uns (wegen des Wertebereichs von ) auf c 2{0, 1,...,n} beschränken. ist aus der Niveaubedingung P 0 (>c)+ P 0 ( = c)! = zu bestimmen. Der Test hängt von 0 ab, jedoch nicht von 1! 50

8 Bemerkung. Falls H 1 wahr ist, dann bestimmt 1 die Wahrscheinlichkeit für den realisierten Fehler 2. Art P 1 (A 0 ). Je weiter 1 von 0 entfernt ist, umso kleiner ist die Wahrscheinlichkeit für den Fehler 2. Art und umso größer ist die Power an der Stelle = Gleichmäßig beste Tests Definition 2.34 (Gleichmäßig bester (UMP, uniformly most powerful) Test). Ein Niveau- -Test heißt gleichmäßig bester oder UMP Test zum Niveau def, 1. E [ (X)] apple für alle Für jeden anderen Niveau- -Test mit E [ (X)] apple für alle 2 0 gilt: E [ (X)] E [ (X)] für alle α 1 Θ 0 Θ 1 g φ * g φ θ Bemerkung. Der Begri gleichmäßig in obiger Definition bezieht sich auf die Gleichmäßigkeit der Eigenschaft g g auf 1 für jeden anderen Test. Beste einseitige Tests bei skalarem In Beispiel 2.22 (Binomialtest für einfache Hypothesen) hing der Test nicht vom speziellen 1 ( H 1 ) > 0 ( H 0 ) ab. Daraus folgt, dass für alle 1 > 0 besser ist als ein anderer Test. Entscheidend dafür ist, dass der Dichte- bzw. Likelihood-Quotient monoton in z ist. Dies gilt allgemeiner und führt zu folgender Definition. Definition 2.35 (Verteilungen mit monotonem Dichtequotienten). Die Verteilungsfamilie {f(x ), 2 R} mit skalarem Parameter besitzt monotonen Dichte- bzw. Likelihood- Quotienten (kurz: MLQ) def, es existiert eine Statistik T,sodass (x) = f(x 1) f(x 0 ) monoton wachsend in T (x) für je zwei 0, 1 2 mit 0 apple 1 ist. 51

9 Bemerkung. 1. Monoton wachsend ist keine echte Einschränkung; ist (x) monoton fallend in T e (x), so definiert man T (x) = T e (x). 2. Jede einparametrische Exponentialfamilie in T (x) und ( ) besitzt monotonen Dichtequotienten, wenn ( ) monoton in ist. Letzteres gilt insbesondere für die natürliche Parametrisierung ( ) =. Satz 2.36 (UMP-Test bei MLQ). Gegeben sei P = {f(x ) : 2 R} mit MLQ in T (x) und die Hypothesen H 0 : apple 0 vs. H 1 : > Existenz: Es gibt einen UMP-Test zum Niveau, nämlich >< 1, T(x) >c (x) =, T(x) =c 0, T(x) <c. Dabei sind c und eindeutig bestimmt durch die Niveaubedingung E 0 [ (X)] = P 0 (T (X) >c)+ P 0 (T (X) =c) =. 2. Die Gütefunktion g ( ) ist monoton wachsend in und sogar streng monoton wachsend für alle mit 0 <g ( ) < 1. Die maximale Wahrscheinlichkeit für den Fehler 1. Art ist g ( 0 )=. 3. besitzt auch gleichmäßig minimale Wahrscheinlichkeiten für den Fehler 1. Art unter allen Tests für H 0 vs. H 1 mit g ( 0 )=. 4. ist (mit Wahrscheinlichkeit 1) eindeutig bestimmt. Bemerkung. Es gilt weiterhin: Ist der beste Test für das einfache Alternativproblem H 0 : = 0 vs. H 1 : = 1, so ist auch der UMP-Test zum Niveau für zusammengesetzte Hypothesen H 0 : 2 0 vs. H 1 : 2 1, wenn nicht von dem speziellen Wert 1 2 H 1 abhängt und für alle 2 H 0 das Niveau einhält. Beispiel Binomialtest mit H 0 : apple 0 gegen H 1 : > 0 hat MLQ in (x) = Anzahl der Erfolge (vgl. obiges Beispiel und Bemerkung). Der Binomialtest ist also UMP-Test. 2. Gleichverteilung 3. Gauß-Test 52

10 4. Exponentialverteilung 5. Poissonverteilung Bemerkung. Oft existiert zwar kein UMP-Test, jedoch ein lokal bester (einseitiger) Test: lok heißt lokal bester Niveau -Test def, wobei g lok ( 0 )=g ( 0 )= gilt. g 0 lok ( 0)= d d g lok ( 0) d d g ( 0), Beste unverfälschte zweiseitige Tests bei skalarem Für zweiseitige Testprobleme der Form H 0 : = 0 vs. H 1 : 6= 0 gibt es in der Regel keinen UMP-Test, insbesondere auch dann nicht, wenn MLQ vorliegt. Deshalb wird eine Restriktion auf eine kleinere Klasse von konkurrierenden Tests notwendig. für H 0 vs. H 1 heißt unverfälsch- Definition 2.37 (Unverfälschter Niveau- -Test). Ein Test ter (unbiased) Niveau- -Test def, g ( ) apple für alle 2 0, g ( ) für alle 2 1. Satz 2.3 (weiseitige UMPU (uniformly most powerful unbiased) Tests). Sei f(x ) =c( )exp( T(x))h(x) eine einparametrische Exponentialfamilie mit natürlichem Parameter 2 ( sei ein o enes Intervall) und Statistik T (x). Dann ist 1,T(x) <c 1 >< 1,T(x) =c 1 (x) = 0,c 1 <T(x) <c 2 2,T(x) =c 2 1,T(x) >c 2 ein UMPU-Test zum Niveau unter allen unverfälschten Tests zum Niveau für das Testproblem H 0 : = 0 vs. H 1 : 6= 0. Dabei werden c 1,c 2, 1, 2 aus E 0 [ (X)] =, E 0 [ (X)T (X)] = E 0 [T (X)] bestimmt. Beispiel weiseitiger Binomial-Test H 0 : = 0 vs. H 1 : 6= 0 ist UMPU-Test. 53

11 2. weiseitiger Gauß-Test mit X 1,...,X n i.i.d. N(µ, 2 ), 2 bekannt, ist für UMPU-Test. H 0 : µ = µ 0 vs. H 1 : µ 6= µ 0 3. weiseitiger Poisson-Test: Bei X 1,...,X n i.i.d. Po( ) H 0 : = 0 vs. H 1 : 6= 0 liegt eine einparametrische Exponentialfamilie mit natürlichem Parameter = log Äquivalente Hypothesen in sind vor. Bestimmung der Prüfgröße: H 0 : = 0 vs. H 1 : 6= 0. f(x i ) = h(x i )c( )exp( x i ) f(x ) = f(x 1 )... f(x n ) / exp nx i=1 x i {z } T (x) und somit 1, P n i=1 x i <c 1 >< 1, P n i=1 x i = c 1 (x) = 0,c 1 < P n i=1 x i <c 2 2, P n i=1 x i = c 2 1, P n i=1 x i >c 2. 2 ),µ bekannt. Gete- 4. weiseitiger 2 i.i.d. -Test auf die Varianz: Seien X 1,...,X n N(µ, stet wird H 0 : 2 = 0 2 vs. H 1 : 2 6= 0. 2 Mehrparametrische Verteilungsannahme Bislang: skalar. ) =(µ, 2 )istbein(µ, 2 ) Verteilung nicht in der Theorie optimaler Tests enthalten. ) t-test auf µ (bei unbekanntem 2 ) und andere sind nicht erfasst. Idee: Optimale Tests lassen sich (noch) für eine skalare Komponente von =(, ), wobei mehrdimensional sein darf, konstruieren. ist als Stör-/Nuisanceparameter zu betrachten. Voraussetzung an Verteilungsfamilie: {f(x ), 2 R k } ist eine (strikt) k-parameterische Exponentialfamilie mit natürlichem Parameter = (, ) und T =(U, V ), U skalar. Dies führt auf die Theorie bedingter Tests. 54